基于圖像色彩分類統(tǒng)計的計算機行為分析算法

孫存良　楊霏　宮文策

摘要：目前領(lǐng)域內(nèi)針對計算機操作行為的分析，主要通過人工桌面監(jiān)控、記錄按鍵內(nèi)容、文件操作記錄等方式對計算機行為進行的監(jiān)控分析。該文則提出一種基于色彩圖像聚類分析以及K-means算法對圖形進行統(tǒng)計來實現(xiàn)行為分析判斷的方法，根據(jù)色彩的種類、范圍以及深度對計算機操作圖像進行分類統(tǒng)計，以此判定出某時間點計算機正在進行的娛樂、工作以及其他操作。

關(guān)鍵詞：彩色圖像聚類算法；K-means算法；行為分析

中圖分類號：TP391 文獻標志碼：A 文章編號：1009-3044（2015）13-0180-02

隨著科學(xué)技術(shù)的不斷發(fā)展、計算機應(yīng)用領(lǐng)域的不斷開拓，圖像處理方法應(yīng)運而生，目的是利用計算機設(shè)備將圖像進行分類處理，用于智能分析圖像信息。當今圖像處理與識別的應(yīng)用范圍越來越廣，但就目前的水平而言，計算機對外部的感知能力還比較薄弱，還需要投入大量人力、物力從事數(shù)字圖像處理與識別的理論和應(yīng)用的研究。于是各行各業(yè)對于數(shù)字圖像處理技術(shù)的精確化與智能化有著更大的需求。這樣的需求尤其體現(xiàn)在航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測、機器人視覺、公安司法、文化藝術(shù)等領(lǐng)域。

而本文針對數(shù)字圖像處理技術(shù)的特性，將其應(yīng)用在普遍計算機操作行為的分析之中，實現(xiàn)了一種根據(jù)計算機操作過程中顯現(xiàn)的圖像色彩來智能分析其操作行為的創(chuàng)新功能。

1 算法簡介

彩色圖像的聚類分析以及K-means算法是本課題的關(guān)鍵。本文通過彩色圖像聚類分析與K-means算法將圖像轉(zhuǎn)化為3類模塊，分別為正常圖像，渲染圖像與灰度圖像。對這3類模塊同時進行遍歷與聚類，計算出其影響行為分析判斷的影響色塊區(qū)間與影響深度區(qū)間，基于兩類區(qū)間相互結(jié)合，最終依照閥值界限對原圖像進行行為判斷，得出操作行為分析結(jié)論。

圖1為算法結(jié)果演示圖。

2 算法實現(xiàn)

2.1獲取計算機圖像

獲取當前窗體的大小，創(chuàng)建一個以當前窗體為模板的圖象，創(chuàng)建一個位圖Bitmap繪圖圖面，得到窗體的句柄和圖像的句柄，復(fù)制土塊的光柵操作碼，調(diào)用API函數(shù)，實現(xiàn)窗體捕獲。釋放句柄，保存圖像。本例中圖像結(jié)果如圖2。

2.2彩色圖像聚類分析

根據(jù)行為分析圖像·自定義顏色的色系，程序?qū)@取的圖像，統(tǒng)一轉(zhuǎn)化為rgb格式，遍歷圖像的像素點，獲取圖像中色系種類與比例及色系的位置，統(tǒng)計主要顏色所在色系的權(quán)重。根據(jù)自定義的色彩模型，分析圖像內(nèi)容。

基于色彩圖像的RGB格式，建立三維坐標圖，其中R為X軸，G為Y軸，B為Z軸，坐標軸長度均為255，根據(jù)近似色的微小差別，將三通道色素劃分為14個色系，即14個色彩區(qū)塊，之后根據(jù)色彩區(qū)塊的冷暖調(diào)與鮮明程度，與已有的操作行為圖像結(jié)果進行匹配統(tǒng)計得出具體閥值。圖4為劃分的部分色系圖。

根據(jù)彩色圖像將所有像素點規(guī)劃到14個色彩區(qū)塊，之后遍歷所有像素點將其編入類組，將同一類組的像素點進行渲染形成同一顏色，圖3為渲染圖。

通過反復(fù)試驗經(jīng)驗積累，按照冷暖色調(diào)與色彩鮮明度提取出色彩區(qū)塊中該色彩比例對行為分析判斷結(jié)果造成影響的六類色區(qū)。構(gòu)建一個影響色塊區(qū)間，存放六類色區(qū)中最終對行為分析結(jié)果造成影響的像素點。統(tǒng)計這六類色區(qū)，當某一色區(qū)所占總像素比例超過指定閥值時（本閥值是在反復(fù)試驗中經(jīng)過大量已歸類行為圖片分析計算后歸約出來的行為色彩區(qū)分界限），保存其色區(qū)像素比例致影響色塊區(qū)間。圖5為主色系所占比例。

2.2灰度圖像聚類分析

本研究中對于灰度圖像的聚類分析主要根據(jù)K-means算法進行聚類實現(xiàn)。

本研究所采用的K-Means聚類算法的優(yōu)點主要集中在：算法快速、簡單；對大數(shù)據(jù)集有較高的效率并且是可伸縮性的；時間復(fù)雜度近于線性，而且適合挖掘大規(guī)模數(shù)據(jù)集。

K-Means聚類算法的時間復(fù)雜度是O（nkt） ，其中n代表數(shù)據(jù)集中對象的數(shù)量，t代表著算法迭代的次數(shù)，k代表著簇的數(shù)目。

K-means算法具體流程為：

1）隨機選取k個聚類質(zhì)心點（cluster centroids）為[μ1，μ2，...，μk∈Rn]。

2）重復(fù)下面過程直到收斂

對于每一個樣例i，計算其應(yīng)該屬于的類

[c（i）=argminj||x（i）-μj||2]

對于每一個類j，重新計算該類的質(zhì)心

[μj：=i=1m1{c（i）=j}x（i）i=1m1{c（i）=j}]

在 K-means 算法中 K 的選取均有人工指定，而 K 值的選定是非常難以估計的。本文在對大量原始數(shù)據(jù)實驗結(jié)果的基礎(chǔ)上進行總結(jié)，得出當k值選定為5時，對于操作行為分析具有最佳精準度。

在 K-means 算法中，首先需要根據(jù)初始聚類中心來確定一個初始劃分，然后對初始劃分進行優(yōu)化。這個初始聚類中心的選擇對聚類結(jié)果有較大的影響，一旦初始值選擇不當，則可能無法得到有效的聚類結(jié)果。本研究中初始聚類中心，是根據(jù)彩色圖像的比例最大的主色系的位置的中心來設(shè)定的。

3 算法效果

本文針對目前市面中出現(xiàn)率頻繁的娛樂游戲、電影、辦公軟件、學(xué)習(xí)軟件進行檢測，本算法效果有著較強實用性。其中，深色系游戲與電影分析的效果顯著，如《英雄聯(lián)盟》、

《DOTA》、《哈利波特》。而淺色系游戲，在特定場景中分析效果會受到干擾，如《劍網(wǎng)三》當中對圖片進行光暈處理后，其影像色彩區(qū)間受到波動。對此現(xiàn)象，經(jīng)過大量的圖片測試，對游戲類的圖像進行了歸納，這對今后的算法修改提供了很好的數(shù)據(jù)矯正。

4 結(jié)束語

本文立足于圖像處理技術(shù)的創(chuàng)新與應(yīng)用，并將圖像處理技術(shù)與計算機操作行為分析相結(jié)合，運用自編彩色圖像聚類分析算法對圖像色彩進行分類統(tǒng)計，構(gòu)建影響色彩區(qū)間并對區(qū)間色彩進行操作行為匹配，劃定區(qū)間閥值。以及引入K-means算法對圖像進行灰度化處理，通過實驗數(shù)據(jù)結(jié)果以及經(jīng)驗選擇K值以適應(yīng)行為分析計算，同時構(gòu)建深度影響區(qū)間，對圖像色彩深度進行分類，最終結(jié)合影響色彩區(qū)間劃定行為分析界限。實現(xiàn)了智能分析計算機操作行為的創(chuàng)新，擺脫人工監(jiān)控與識別行為。這對將來自動對計算機圖像界面、行為模式分析的監(jiān)控與統(tǒng)計提供了可觀的價值。

參考文獻：

[1] Parker J R. 圖像處理與計算機視覺算法及應(yīng)用[M]. 2版. 北京： 清華大學(xué)出版社， 2012.

[2] 趙春江. C#數(shù)字圖像處理算法典型實例[M]. 北京： 人民郵電出版社， 2009.

[3] 謝鳳英. 數(shù)字圖像處理及應(yīng)用[M]. 北京： 電子工業(yè)出版社， 2008.

[4] 費新碑. 網(wǎng)絡(luò)界面視覺識別系統(tǒng)設(shè)計（WVIS）理論研究報告[J]. 科普研究， 2009（5）.

[5] 王千， 王成， 馮振元，等. K-means聚類算法研究綜述[J]. 電子設(shè)計工程， 2012（7）.